Journal Search Engine

to

Search Advanced Search Adode Reader(link)
Download PDF Export Citation Korean Bibliography
ISSN : 1226-525X(Print)
ISSN : 2234-1099(Online)
Journal of the Earthquake Engineering Society of Korea Vol.29 No.6 pp.369-379
DOI : https://doi.org/10.5000/EESK.2025.29.6.369

Improving Earthquake Casualty Estimation Methods in Korea’s Earthquake Disaster Response System

Jeong Seong-Hoon1)*, Jang Won Seok2), Lee Jung-Han3)
1)Professor, Department of Architectural Engineering, Inha University, 2)Research Professor, Department of Architectural Engineering, Inha University, 3)Leader, Earthquake Safety Research Team, National Disaster Research Institute
September 29, 2025 October 16, 2025 October 16, 2025

Abstract


A casualty-estimation framework has been proposed that incorporates building-scale, time-varying occupancy data (considering factors such as size, use, and time of day) into earthquake loss modeling. Information from Seumter building records is combined with KOSIS population data, and HAZUS modules are used to estimate both the baseline population and dynamic occupancy at the building level. Case studies have shown a close alignment with observed data, with no significant model flaws, indicating the framework’s operational readiness. This approach moves beyond broad administrative totals to provide micro-spatial resolution suitable for Korea’s rapid seismic attenuation and localized damage patterns. It enables accurate, time-sensitive casualty estimates. The framework is designed to be scalable to include additional data sources, such as mobility, transportation, and activity patterns. It supports effective evacuation and shelter planning, surge capacity management, and prioritization of retrofitting, leading to more efficient resource allocation. Furthermore, the framework provides a consistent method to integrate future data streams and quantify uncertainty without disrupting the core workflow.


Earthquake casualty estimation , Building occupancy , GIS-based seismic risk assessment , Korea (Seoul)

우리나라 지진재해대응시스템의 인명피해 예측 방법 개선 방안에 대한 연구

초록

    1. 서 론

    지진은 단기간에 대규모의 인명･경제 피해를 유발하는 고위험 재난으로, 효과적인 사전 대비와 신속한 대응 체계의 구축이 사회적 피해를 최소화하는 데 핵심적이다. 2016 경주 지진(ML 5.8)과 2017 포항 지진(ML 5.4)을 거치며 국내의 지진 위험 인식은 빠르게 제고되었고, 이에 상응하여 지진재해 대응 역량 강화를 요구하는 사회적 수요도 꾸준히 증대되고 있다. 아울러 구조의 신속성은 사상자 생존율에 결정적 영향을 미치며, 정부의 지진 피해예 측 결과는 사전대책을 수립･보완하고 대응 자원의 우선순위를 설정하는 데 핵심 근거자료로 기능한다. 우리나라 지진재해대응시스템의 인명피해 예측 방법은 행정구역 단위의 총량 산정에 기반하고 있으며, 건축물의 규모와 용도, 지진 발생 시간대와 같은 핵심 요인을 충분히 반영하지 못한다. 특히 국내 지진은 해외 대형 지진과 달리 지진동 감쇠가 빠르고 피해 범위가 좁게 나타나는 경향이 있어, 인구이동･인구 밀집･건축물 밀집 특성을 고려하지 않을 경우 예측 결과의 공간 해상도와 정책 활용도가 저하된다. 제한된 구호 자원을 최적 배분하려면 피해의 총량뿐 아니라 어디에 집중되는지를 신속히 규명해야 하며, 현재의 시스템은 사상자 공간분포(Spatial Distribution of Casualties, SDC)와 집중지(핫스팟)를 직접 산출･제시하지 못한다. 해외에서는 건물 취약도 기반의 수치해석과 지리정보시스템(GIS)을 결합하여 건물 단위 사상자 추정을 수행하고, 전역적 모란지수(Global Moran’s I)와 Getis-Ord Gi* 등 공간통계 기법으로 사상자 집중지를 검정･식별하는 연구가 보고되어 왔으며[1,2], 이동통신 모빌리티･교통･상권 지표･위성영상 등 현대적 보조 데이터를 활용해 시간대별 재실인구 변동성을 반영하려는 시도가 활발하다[3-5]. 이러한 동향을 감안할 때, 국내 지진재해대응시스템은 건축물의 규모･용도･시간대에 따른 재실인구 변동을 현실적으로 반영하고, 개별 건축물 수준에서 결과를 산출･표현함으로써 위험의 공간적 집중을 식별할 수 있는 공간정밀･시간민감형 인명피해 예측 프레임으로의 전환이 요 구된다. 본 연구는 건축행정시스템(세움터) 건축물대장과 통계청 국가통계 포털(KOSIS) 등 가용 기반자료를 활용하여 건물별 기본거주인구와 시간가변 재실인구를 산정하고, 이를 서울시 전역에 적용하여 시간대별･용도별 재실 패턴과 집중 양상을 분석함으로써 국내 여건에의 적합성을 검토하였다. 제안한 인명피해 예측 방법은 개별 건축물 단위에서 결과를 표출할 수 있으며, 모빌리티･상권･교통 등 현대적 보조 데이터를 수용할 수 있는 자료 해상도를 제공함으로써 확장성이 높고 지속적 고도화가 가능한 토대를 제공할 수 있다.

    2. 현황 분석

    우리나라 지진재해대응시스템의 모델이 된 해외 사례를 보면, 우선 미국에서는 연방재난관리청(Federal Emergency Management Agency, FEMA)이 1997년 국립건축과학연구소(National Institute of Building Sciences, NIBS)와의 공동 연구를 통해 지진 피해추정 소프트웨어 HAZUS를 개발하였다[6,7]. HAZUS는 축적된 지진 자료와 표준화된 취 약도･손상 함수에 기반해 인명･시설･경제 손실을 추정하며, 국가 및 주(州) 차원의 대응전략 수립을 지원하는 대표적 도구로 자리매김하였다. 이후 태풍･홍수 모듈을 추가한 HAZUS-MH(Multi-Hazard)로 확장되어 복수 재난을 단일 프레임워크에서 일관되게 평가할 수 있게 되었다.

    HAZUS-MH는 GIS 기반 플랫폼에서 구동되며 상호 연동되는 모듈로 구성된다[8]. 일반적인 계산 절차는 (1) 재난 시나리오 설정(Intensity Map) → (2) 기초자료 목록(Inventory Data) → (3) 직접 물적 피해 (Direct Physical Damage) → (4) 사회･경제적 손실(Social/Economic Losses)의 순으로 진행되고, 각 단계의 산출물이 다음 단계의 입력으로 전달된다. 사회･경제적 손실 모듈은 시간대별 재실인구와 건축물 활용 유형을 반영하여 사상자 규모를 추정하고, 복구비･임시거주･피난처 운영 등 직･간접 비용을 포함한 경제적 손실을 산정한다. 이러한 모듈식 구조는 결정론적 시나리오뿐 아니라 확률론적 분석으로의 확장, 그리고 지방정부 보유 데이터와의 연계를 용이하게 한다.

    대만은 HAZUS 개념을 토대로 HAZ-Taiwan을 구축하고, 이를 자국 환경에 특화한 TELES(Taiwan Earthquake Loss Estimation System)로 2002년부터 운영하고 있다. TELES는 가상 지진 시나리오 및 실시간 지진 정보와 연계한 신속 피해 추정을 목표로 하며, 특히 건축물 붕괴율과 그에 따른 사상자 추정을 중점 모듈로 다룬다[9]. 지형･지반 조건과 도시 밀집도, 노후 목구조 주택 비율 등 지역 특성을 입력 변수로 반영해, 중앙정부의 초동 대 응과 지방정부의 긴급 자원 배분 의사결정을 지원하도록 설계되었다.

    일본은 국토청을 중심으로 GIS 기반 지진방재 정보시스템(Disaster Information System; DIS)을 구축하여, 재난 시 정보의 신속 전파와 복구 의사결정 지원에 활용하고 있다[10,11]. 일본의 주거 특성상 목조 건축물 비율이 높고 고밀 도시구조가 흔하여, 붕괴･화재 및 연쇄 피해(fire following earthquake)를 함께 고려한 추정･대응 체계가 발달해 왔다. 실제로 일본의 시스템들은 건축물 붕괴율 산정을 통해 사상자 수를 추정하는 방식을 기본으로 하되, 지진동 관측망, 내진성능 평가, 대피･피난 수요 예측 등과 연계되어 실무 활용성을 높이고 있다.

    우리나라 지진재해대응시스템은 미국･대만･일본 등 지진 기술 선진국의 재해정보시스템(예: HAZUS, TELES, DIS)의 구조와 운용 성과를 검토한 결과를 바탕으로, 국내 도입의 필요성을 확인하고 구현 방향을 구체화하였다[12]. 소방방재청은 2005년 지진재해대응시스템을 최초 구축한 이후 지 속적으로 기능을 확대･보완해 왔으며, 본 시스템은 지진 발생 시 기상청 제공 지진정보(진원지, 진앙, 규모)를 입력으로 받아 전국 진도분포도를 산정하고, 이를 기반으로 건축물･인명 피해와 가스･전력･통신･상･하수도 등 주요 라이프라인의 피해를 신속히 추정하도록 설계되었다[13].

    2009년 고도화 사업을 통해 기존 시스템에 탑재되어 있던 미국 HAZUS 기반 지진손상함수를 한국형 지진취약도곡선으로 대체하였으며[14,15], 이후 국립재난안전연구원은 지진피해예측 및 재해대응체계 고도화 관련 주요 연구과제[16-20]를 통해 행정안전부 지진재해대응시스템의 개선과 자 료 현행화를 지속적으로 지원하였다.

    현행 인명피해 예측은 1차 피해(건축물 붕괴로 인한 피해)에 한정하여 수행되며, 산정 단위는 격자(2 km × 2 km)또는 행정구역단위로 설정된다. 건축물 재실인구는 지진 발생 시간대와 요일등을 고려하여 모형화하였다[14]. 현재 운영 중인 시스템은 통계청 인구통계의 제공 형식을 반영하여 행정구역 (읍･면･동) 단위의 인명피해 추정을 기본값으로 채택하고 있다. 지진재해대 응시스템의 초기 구축에 대한 자료[21]에 따르면, 이 시스템에는 격자 기반 인명피해 예측 모듈도 설계되어 있으며, 이 경우 읍･면･동 인구를 격자에 배분할 때 단순 면적 비례가 아니라 환경부 토지피복도 가중치를 적용하여 공간 분포의 현실성을 높이는 방법을 채택한 것으로 보고된다.

    단위 영역(격자 또는 행정구역)별 피해 추정은 해당 영역의 대표값을 바탕으로 인명피해를 계산한다. 구체적으로, 행정구역별 최대지반가속도(Peak Ground Acceleration, PGA) 대표값을 기준으로 행정구역 내 손상수준별 건축물 동수를 구하고, 여기에 손상수준별 인명피해율과 해당 행정구역 인구를 반영하여 인명피해 단계별 사상자 수를 산출한다. 이 과정에는 “행정구역 내 모든 지점의 PGA가 동일하며, 건축물의 규모･용도와 무관하게 거주 인구와 체류율이 동일하다”는 단순화 가정이 내재한다. 그러나 이러한 가정 은 우리나라 지진의 특성—지역별 건축물･인구 밀집도의 이질성이 크고, 지진동 감쇠가 빠르며 피해 범위가 협소하게 나타나는 경향—에 비추어 적합 성이 낮다. 더불어 PGA･피해 건물･인구 등 핵심 변수를 영역 대표값으로 집약하여 처리하면, 자료의 정합성 검토와 오류 수정･보완이 체계적으로 이루어지기 어렵고, 장기적으로 자료 품질과 예측 정밀도를 개선하는 데 한계가 발생한다. 기존 방법은 지진 직후 신속한 피해 산정이 가능하다는 장점이 있으나, 예측 정확도와 검증 가능성면에서 한계가 명확하다.

    시스템 최초 구축 이후 약 20년동안 컴퓨팅 자원과 소프트웨어 기술이 비약적으로 발전한 점을 고려할 때, 이제는 분석 속도를 위해 예측 정확도를 절충(trade-off)하던 영역 대표값 중심의 접근에서 벗어날 필요가 있다. 인명 피해 예측 알고리즘의 고도화와 현대적 데이터와의 상호운용성을 확보하기 위해서는, 단위 영역의 대표값에 기반한 기존 방법을 개별 건축물 단위의 피해 예측 기법으로 대체하는 것이 바람직하다. 건축물별 최대지반가속도, 구조 특성, 재실인구를 직접 반영하여 (i) 건축물 규모･용도에 따른 재실인구의 시간가변성, (ii) 건물 위치별 지반가속도의 차이, (iii) 동일 행정구역 내 건축물･인구 밀집도 편차를 모형에 반영하도록 알고리즘을 개선할 필요가 있다. 이러한 미시 공간 해상도와 시간 민감성을 갖춘 체계로의 전환은 국내 여건에 부합하는 정확하고 신뢰도 높은 인명피해 예측체계의 구현 가능성을 높일 것으로 판단된다.

    3. 예측 방법론

    3.1 인명피해 예측방법 개요

    본 연구는 지진으로 인한 직접 인명피해가 전적으로 건축물의 손상 정도에 의해 결정된다고 가정하며, 건축물 외부에서 발생한 사상자와 화재 등 2차 피해로 인한 사상자는 산정에서 제외한다. 이러한 범위 설정은 현재 행정 안전부에서 운용 중인 지진재해대응시스템[21]의 전제와 동일하다. 인명피해는 선행연구[8], [19]에 따라 경상(minor injury), 중상(moderate injury), 심각한 부상(severe injury), 사망(fatality)의 4단계(Table 1)로 구분하였다. 현행 시스템의 행정구역 대표값에 기반한 인명피해 추정 방식과 달리, 본 연구는 개별 건축물 단위로 최대지반가속도(PGA)–건축물피해–인명피해를 산정하고, 이를 분석 대상 전 건축물에 반복 적용하여 집계하는 절차를 채택하였다. 건축물의 규모･용도･구조 형식 등 입력 정보는 건축행정시스템(세움터) 건축물대장(2025)을 통해 확보하였다.

    PGA는 지진원–건축물 거리를 반영한 감쇠식과 건축물 위치의 지반조건 에 따른 지반증폭계수를 결합하여 산정하였다. 감쇠식은 조남대･박창업 (2003)[22]과 연관희 외(2005)[23]의 식을 각각 50%의 가중치로 선형 결합하여 구성하였다. 지반증폭계수는 입력 기반암 최대가속도 대비 지표면 PGA의 비(PGA증폭비)로 정의하고, Midorikawa et al.(1994)[24]의 관계식을 바탕으로 30 m 평균 전단파속도(VS30)로부터 계산하였다. 김병우･ 홍태경(2021)[25]의 모델을 기반으로, 개별 건물의 위치(위도･경도)에 해당하는 VS30 값을 공간 보간하여 산정하였다.

    건축물피해는 구조손상 정도에 따라 경미(slight), 보통(moderate), 심함(extensive), 완전–비붕괴(complete–noncollapse), 완전–붕괴(complete –collapse)의 5단계로 정의된다. 통상적으로 구조체의 지진손상 평가는 경미･보통･심함･완전의 4단계로 구분되지만, 건축물의 완전 손상 범주는 붕괴 직전과 완전 붕괴 여부에 따라 인명피해율이 현저히 달라지므로 완전 손상을 비붕괴/붕괴의 두 하위 수준으로 세분하여 각각 다른 인명피해율을 적용한다[8]. 건축물피해 예측 절차는 먼저 지진취약도곡선을 이용해 주어진 PGA에서 경미･보통･심함･완전(4단계)의 각 손상 수준에 도달할 확률을 산정하고, 이어 완전 손상에 대해서는 Table 2의 붕괴비율을 적용하여 완전 –붕괴 확률을 도출하고, 잔여 확률은 완전–비붕괴로 배분하였다. 사용된지 진취약도곡선은 행정안전부 지진재해대응시스템의 자료에 기반하며, 이는 「국내 건축구조물의 지진취약도함수 개발」(2009)[15]의 성과를 「대규모 지진으로 인한 사회･경제적 영향분석 추정기술 개발」(2020)[19]에서 고도화 한 것으로, 41개 건축물 구조 유형과 3개 내진설계 수준에 대해 정의되어 있다. 원 연구는 단주기(0.3 s) 및 장주기(1.0 s) 스펙트럼가속도에 대한 손상 확률 함수로 지진취약도곡선을 제시하였으며, 본 연구에서는 이를 PGA 기반 함수로 변환하여 적용하였다. 이를 위해 원 연구에서 사용한 56개 지진파 통계자료로부터 PGA-Sa 선형 환산계수를 도출하여 적용하였다:

    인명피해는 건축물의 재실인구에 건축물 손상수준에 따른 인명피해율을 반영하여 산정하였다. 본 연구에서는 HAZUS[8]가 제시한 손상수준별 인명피해율을 국내 41종 건축물 구조 유형 체계에 맞게 보정한 값을 사용하였다(Table 2). 한편 국내 분류에는 존재하나 HAZUS의 Model Building Type에 직접 대응되지 않는 S4, C4, C5, PC1에 대해서는 구조적 거동과 사용 특성이 가장 유사한 유형의 인명피해율과 붕괴비율을 대리값으로 적용하였다.

    본 연구에서 인명피해 단계 j에 대한 기대 사상자수E(Cj)는 재실인구 예측값, 건축물 피해 확률, 인명피해율을 결합하여 아래 식 (1)과 같이 산정한다.

    E ( C j ) = ∑ b = 1 B O C P b ( t ) × ∑ i { P b ( D S = i |   I M b ) × P b ( C L = j  |  D S = i ) }
    (1)

    여기서, B는 분석대상 지역의 전체 건축물 동 수, b는 건축물 인덱스(식별자)로 b∈{1, ..., B}를 의미한다. t는 지진 발생 시각, i는 건축물의 손상 수준을 나타내며 i∈{S, M, E, C1, C2}이다. S, M, E, C1, C2는 각각 경미 손상, 보통 손상, 심한 손상, 완전 손상-비붕괴, 완전 손상-붕괴를 의미한다. j는 인명 피해 단계를 나타내며 j∈{1, 2, 3, 4}의 4단계(Table 1)로 정의한다.

    재실인구 예측값 OCPb (t)는 시간 t에 대한 건물 b의 재실인구, 건축물 피해 확률 Pb (DS =i∣IMb)는 건물 b의 지반진동세기 IMb에 대한 건물 b의 손상수준이 i일 조건부확률, 인명피해율 Pb (CL=j∣DS =i)는 건물 b의 손 상수준(DS)이 i일 때 재실인구의 인명피해 수준(CL)이 j 단계일 조건부 확률(해당 건축물의 전체 재실인구에 대한 인명피해 단계 j인 재실인구의 비율)을 나타낸다. 개별 건축물의 재실인구 예측값은 기본거주인구･실내체류율･방문인구를 조합하여 산정하며, 구체적 산정 절차는 3.2절과 3.3절에서 상세히 설명한다.

    3.2 기본 거주인구

    본 연구에서 정의하는 기본거주인구는 개별 건축물에 할당되는 재실인구의 기본값으로, 시간에 따라 변하지 않으며 건축물의 규모와 용도를 고려하여 산정된다. 기본거주인구 산정을 위해 건축물 용도는 주거(U1), 업무 및 상업(U2), 교육 및 연구(U3), 공장 및 산업(U4), 숙박(U5)의 다섯 범주로 구분하였으며, 이 분류는 건축물대장의 29개 주용도 구분을 기준으로 하였다 (Table 3). 본 연구에서 제안하는 건축물 용도별 기본거주인구의 산정 방법은 다음과 같다.

    • i) 주거 용도 (U1) 건축물의 기본거주인구는 해당 건축물이 포함된 지역(행정구역)의 야간거주인구 합계를 그 지역 주거시설의 전체 연면적에 대한 해당 건축물의 연면적 비율에 따라 분배함으로써 산정한다.

    • ii) 업무 및 상업 용도(U2) 건축물의 기본거주인구는 해당 건축물이 포함된 지역의 업무 및 상업 활동 인구 합계를 그 지역 업무 및 상업시설의 전체 연면적에 대한 해당 건축물의 연면적 비율에 따라 분배하여 산정하며 이는 다음 식 (2)와 같다.

      C O M W b = C O M W S × A U 2 , b Σ A U 2
      (2)

      여기서, COMWb와 AU2,b는 각각 개별 업무 및 상업 용도 건축물(b)의 기본거주인구(명)와 연면적(m2)이다, COMWS와 ∑ A U 2 는 각각 해당 지역(행정구역) 업무 및 상업 용도 건축물 전체의 기본거주인구 합계(명)와 연면적 합(m2)이다. 업무 및 상업(U2) 용도 건축물 전체의 기본거주 인구 합계(COMWS)는 해당 지역의 주간인구 합계에서 주거(U1), 교육 및 연구(U3), 공장 및 산업(U4), 숙박(U5) 용도 건축물 전체의 기본거주인구 합계를 차감하여 산정할 수 있다. 이러한 산정을 위해서는 전국적 인구 분포에 관한 정밀한 통계 자료의 확보가 필수적이다. 현 시점에서 전국 단위의 주간인구 통계는 통계청 국가통계포털(KOSIS)을 통해 제공되고 있으나, 그 외 인구 통계에 대해서는 추정을 위한 자료 확보에 제약이 있다. 따라서 본 연구에서는 업무 및 상업 활동 인구 전체가 해당 지역의 총 거주인구와 업무 및 상업 용도 건축물의 연면적 합계에 비례한다고 가정하고, 이를 다음 식 (3)으로 산정하였다.

      C O M W S = N R E S S × β × Σ A U 2 Σ A
      (3)

      여기서, NRESS는 해당 지역의 야간거주인구 합계(명)이고, β는 업무 및 상업 활동 인구 계수이다. NRESS는 주민등록인구 합계의 95%, β는 2.7로 가정하였다. ΣAU2/ΣA는 해당 지역 모든 건축물의 전체 연면적에 대한 업무 및 상업 용도 건축물의 전체 연면적 비율이다.

    • iii) 교육 및 연구 용도(U3) 건축물의 기본 거주인구는 해당 건축물의 연 면적을 학생 1인당 건물면적(20 m2)으로 나누어 산정하였다. 교육부 통계(2020년)에 따르면[26], 학생 1인당 건물면적은 초등학교, 중학교, 고등학교별로 각각 16.6 m2, 18.0 m2, 23.1 m2이다. 이 자료를 평균하여 본 연구에서는 학생 1인당 건물면적을 20 m2로 가정 하였다. 대학교육시설의 경우 각 대학교의 건물 이용 실태를 분석하고, 연구시설의 경우 연구원 1인당 건물면적을 이용해야하지만, 이 들에 대한 신뢰도 높은 통계자료를 입수하는 것은 한계가 있다. 건축 물대장에는 각급 학교와 연구시설을 구분하지 않고 하나의 주용도로 분류하고 있다. 따라서, 본 연구에서는, 초･중등교육(초･중･고교) 기본거주인구 예측방법을 고등교육(대학교)과 연구시설로 확대하여 적용하였다. 향후 교육연구시설 기본 거주인구 예측의 정밀성을 높이기 위해서는, 건축물내진데이터베이스에 각급 학교, 대학교육 시설, 연구시설 각각에 대해 건축연면적과 사용인원에 대한 상세한 통계자료의 구축이 필요하다. 본 연구를 위한 건축물대장 자료의 정합성 검토 작업 중, 일부 학교에서 건축물대장 연면적 입력값의 자릿 수 오류로 인해 중대한 산정 오차가 발생한 사례가 확인되었다. 이러한 오류는 다른 용도의 시설물에도 있을 수 있으며, 결과 통계를 왜곡할 수 있다. 학교 시설의 경우, 연면적 산정에는 한국교육개발원(KEDI) 교육통계의 학생 1인당 건물면적과 학생 수 자료를 활용하 여 건축물대장 자료의 오류를 보완하는 것이 바람직하다.

    • iv) 공장 및 산업 용도(U4) 건축물의 기본거주인구는 해당 건축물이 속한 행정구역의 단위면적당 U4 종사자 수에 건축물 연면적을 곱하여 산정하였다. 단위면적당 U4 종사자 수는 통계청 국가통계포털(KOSIS)의 “행정구역(시･군･구)/산업별 고용” 통계(2024.2)에서 광업･제조업 종사자 수를 취득한 뒤, 이를 해당 지역 U4 용도 전체의 연면적 합계로 나누어 계산하였다. KOSIS는 다양한 산업별 종사자 통계를 제공하지만, 본 연구에서는 건축물대장의 U4 용도와의 연 관성이 높은 광업･제조업 지표만을 활용하였다. 반면, U4 용도와의 관련성이 낮은 것으로 판단되는 건설업, 도소매･음식숙박업, 사업･ 개인･공공서비스업, 전기･운수･통신･금융업의 종사자 통계는 단위면적당 종사자 수 산정에서 제외하였다.

    • v) 숙박 용도(U5) 건축물의 기본 거주인구는 아래의 식 (4)로 산정한다.

      H O T E L b = 1.1 × 2 × 0.1 × A U 5 , b 20
      (4)

    여기서, HOTELb는 개별 숙박시설(b)의 기본거주인구(명), AU5,b는 해당 시설의 연면적(m²)을 의미한다. 본 식은 객실당 기준 면적 20 m²을 전제로 하며, ① 객실당 2인 기준･평균 투숙률 10% 또는 ② 객실당 1인 기준･평균 투숙률 20%를 가정하여 구성하였다(두 가정은 모두 객실당 평균 0.2인의 체류 인원을 의미). 또한 10%의 보수적(안전측) 가정을 반영하기 위해 할증계 수 1.1을 적용하였다.

    건축물 용도와 지역별 특성을 충분히 반영할 수 있는 기본거주인구 통계가 현재로서는 부족하지만, 본 연구가 개별 건축물의 기본거주인구를 인명 피해 예측의 핵심 요소로 도입한 목적은 필요한 데이터의 범주와 확보 경로, 그리고 발전시켜야 할 정보기술의 방향성을 명확히 하는 기초 플랫폼을 구축하기 위함이다. 아울러 제안한 방법은 정보기술의 고도화를 전제로, 향후 개별 건축물 단위의 기본거주인구를 보다 정밀하게 예측할 수 있다는 가정하에 설계되었다. 한편, 자료의 부족과 건축물대장 등 핵심 데이터의 오류로 인해 현 단계에서의 건물별 기본거주인구 산정 결과는 정밀도가 제한적이다. 이를 개선하기 위한 정교한 방법론의 개발과 검증은 필수적이나 본 연구의 범위를 넘어서는 바, 본고에서는 간략화된 추정 절차를 적용하여 기본거주인구를 예측하였다.

    3.3 재실인구

    건축물의 재실인구는 기본거주인구에 실내체류율을 반영하고 외부로부터의 방문인구를 더하여 산정한다. 주어진 지역(D)과 용도(U)에 대하여 개별 건축물(b)의 재실인구 O C P   U , b D ( t ) 는 다음의 식 (5)와 같이 시간(t)의 함수로 표현할 수 있다.

    O C P U , b D ( t ) = B L R U , b D × O C P R U , b D ( t ) + T R A N U , b D ( t )
    (5)

    여기서, B L R   U , b D , O C P R U , b D ( t ) , T R A N U , b D ( t ) 는 각각 주어진 지역(D)과 용도(U)에 대하여 개별 건축물(b)의 기본거주인구, 실내체류율, 일시방문인구를 나타낸다. 실내체류율 O C P R U , b D ( t ) 과 방문인구 T R A N U , b D ( t ) 는 시간에 따라 달라진다.

    개별 건축물의 시간에 따른 기본거주인구 실내체류율과 방문인구에 대한 통계정보룰 구하는 것은 현실적으로 매우 어렵다. 따라서, 본 연구에서는 HAZUS의 인구 분포 추정[8]을 위한 기본 관계식(Default Relationships for Estimating Population Distribution)을 참조하여 건축물 용도(U)별 실내체류율과 방문인구를 전국적으로 동일하게 산정하였다.

    Table 4에는 건축물 용도별 시간대에 따른 재실인구 산정식이 제시되어 있다. 본 연구는 HAZUS의 인구 분포 추정에서 사용된 세 기준 시각(2:00 a.m., 2:00 p.m., 5:00 p.m.)을 국내 여건에 맞추어 세 구간(22:01-06:00, 09:01-16:00, 18:01-19:00)으로 수정하였으며, 구간 사이의 재실인구 값은 선형 보간을 적용하였다. 또한 인구통계가 행정구역 단위를 기본으로 제공되므로, 기본거주인구를 포함한 재실인구 산정에 필요한 자료는 지역별 합산 값을 사용하였다. Table 4의 재실인구 산정식에 사용된 인구자료의 표기는 다음과 같다.

    • NRESS: 야간거주인구 합계(주민등록인구 합계의 95%로 가정)

    • DRESS: 주간거주인구 합계(야간거주인구 합계의 20%로 가정)

    • COMWS: 업무 및 상업(U2) 용도 건축물 전체의 기본거주인구 합계

    • VISITS: 업무 및 상업 활동 유입(방문) 인구 합계(COMWS의 10%)

    • GRADES: 교육 및 연구(U3) 용도 건축물 전체의 기본거주인구 합계

    • INDWS: 공장 및 산업(U4) 용도 건축물 전체의 기본거주인구 합계

    • HOTELS: 숙박(U5) 용도 건축물 전체의 기본거주인구 합계

    식 (5)의 재실인구 산정식을 인구자료의 지역별 합계 형식으로 나타내면 아래의 식 (6)과 같이 재정식화할수 있다.

    O C P U , b D ( t )        = [ B L R S U D × O C P R U ( t ) + T R A N S U D ( t ) ] × A U , b Σ A U
    (6)

    여기서, B L R S U D , T R A N S U D ( t ) 는 각각 주어진 지역(D)과 용도(U)에 대하여 기본거주인구 합계, 일시방문인구 합계를 나타내고, OCPRU (t)는 건축물 용 도(U)에 따른 실내체류율이다. A U , b / ∑ A U 는 해당 용도 모든 건축물 전체 연면적에 대한 개별 건축물의 연면적 비율이다. 식 (6)에서 B L R S U D × O C P R U ( t ) + T R A N S U D ( t ) 는 주어진 지역(D)에 대한 건축물 용도별(U) 재실인구 합계를 나타낸다. 본 연구에서는 개별 건축물의 재실인구 산정에 기본 개념식(식 (5)) 대신 지역별 인구 합계를 활용한 대체식(식 (6))을 적용하였다. 이는 현시점에서 건축물 단위 거주인구 자료의 확보가 곤란한 반면, 지역 단위 인구통계는 접근성과 활용성이 높기 때문이다.

    상기 방법으로 산정한 시간대별 용도(U)별 재실인구 합계의 예측 결과는 Fig. 1에 제시하였다. 예시 지역은 서울특별시 중랑구, 종로구, 강남구이다. 여기서 제시한 값은 해당 행정구역 내 각 용도별 건축물 전체에 대한 재실인구의 합계를 의미한다. 중랑구는 주거 시설 밀집 지역으로, 주거(U1)용도 건축물의 재실인구 합계가 가장 크다. 주간(10:00–16:00)에는 업무･상업 (U2)용도 건축물의 재실인구 합계가 주거(U1)를 상회하지만, 야간(22:00– 06:00)에는 주거(U1) 대비 현저히 작다. 종로구의 경우 주간에는 업무･상업(U2) 용도 건축물의 재실인구 합계가 야간의 주거(U1) 재실인구 합계보다 현저히 크다. 야간에 주거(U1) 재실인구가 증가하더라도 절대 규모가 작아 중랑구와 달리 U2 대비 U1의 역전은 발생하지 않는다. 이러한 패턴은 종로구의 주거(U1) 연면적과 상주인구 규모가 상대적으로 작기 때문이며, 전형적인 도심 공동화 현상을 반영한다. 강남구는 업무･상업(U2)용도 건축물이 밀집해 있을 뿐 아니라 주거(U1)대단지 또한 광범위하게 분포하여, 주간에는 U2의 재실인구 합계가 가장 크되 야간 시간대의 U1과의 격차가 크지 않다. 다른 지역과 동일하게 강남구에서도 야간에는 U1, 주간에는 U2의 재실인구 합계가 상대적으로 증가하는 패턴을 확인하였다. 본 연구에서 제시한 방법으로 추정한 건축물 용도별 재실인구의 전국 합계와 전체 건축물 재실인구의 전국 총합을 Fig. 2에 제시하였다. 야간 시간대 기준 전국 총 재실 인구는 5,032만 명으로, 행정안전부 주민등록인구 통계에 따른 우리나라 총 인구 5,115만 명(2025.09.30. 기준)의 약 98%에 해당한다.

    3.4 일시대피자

    이재민을 포함한 일시대피자는 거주지 붕괴뿐 아니라 다양한 요인으로 발생할 수 있음을 고려해야 한다. 예컨대 주택 구조체에 경미한 손상이 있더라도 천장 마감재･창호 손상, 상･하수도 또는 냉난방 설비의 기능 저하, 심리적 불안등으로 인해 거주지를 이탈하여 재난대피시설에서 생활하려는 수요가 발생한다. 이에 본 연구에서는 일시 대피자 예측을 건축물 손상 등급이 아니라 거주지의 최대지반가속도(PGA)를 기준 변수로 설정하고, 2016년 경주 지진과 2017년 포항 지진의 일시대피자(이재민 포함) 집계값에 맞추어 보정하는 방식으로 예측식을 구성하였다. 구체적으로, 주어진 지역 D의 일시대피자 수 EVCD는 최대지반가속도(PGA)가 0.14 g 이상인 주거용(U1) 건축물의 등록인구 합계에 보정계수 α를 곱하여 다음의 식 (7)과 같이 산정한다.

    E V C D = α × ∑ b ∈ D P G A b ≥ 0.14 g P R E S U 1. b
    (7)

    여기서, PRESU1,b는 주거용(U1) 건축물 b의 등록인구로 해당 지역(D)의 전체 등록인구에 개별 주거용 건축물의 연면적 비율을 곱해서 산정하였다. 개별 주거용 건축물의 연면적 비율은 모든 주거 용도 건축물의 연면적 합계에 대한 해당 건축물(b)의 연면적 비율 A U 1 , b / ∑ A U 1 로 산정한다. PGAb는 건축물 b 위치의 PGA이다. 보정계수 α = 0.006이며, PGA 임계값 0.14 g와 α는 일시대피자의 예측치가 포항 지진(2017)의 일시대피자 실제 집계값을 적정 수준(15%)으로 상회하도록 조정하여 정하였다. 이는 지진 직후 임시 대피소 수요 예측과 대비에서 과소추정 가능성을 최소화하기 위한 보수적 설정이다. 식 (7)에 따른 일시대피자 예측치는 경주 지진 90명, 포항 지진 2,101명으로 산출되었으며, 참고로 포항지진 백서[27]에 보고된 실제 집계는 각각 111명(경주, 2016), 1,797명(포항, 2017)이다.

    4. 예측 결과 분석

    4.1 재실인구 예측 결과

    본 연구에서 제안한 재실인구 예측 방법은 건축물의 규모, 용도, 시간대에 따른 변화를 반영하도록 설계되었다. 방법의 타당성을 검증하기 위해 서울시 전역을 대상으로 재실인구 분포를 산정･분석하였다. 건축행정시스템(세움터) 건축물대장 자료(2025)를 기반으로 서울시 소재 건축물 589,995 동에 대한 기초 자료를 수집하고, 이 중에서 위치･규모･용도 정보를 추출할 수 있는 556,800 동을 분석에 활용하였다. 구(기초자치단체) 단위의 주민등록 인구 추정에는 시군구별 상주인구(2024) 자료를 통계청 국가통계포털(KOSIS)에서 취득하여 활용하였다. 네 개의 시간대(06:00, 08:00, 14:00, 22:00)에 대해 재실인구 분포를 예측하고 그 결과를 Fig. 3에 제시하였다. 새벽(06:00)과 야간(22:00)에는 가양동, 구로동, 반포동, 상계동 등 주거시설 밀집 지역의 재실인구 밀도가 높게 나타났으며(Fig. 3(a)), 주간(14:00)에는 업무･상업시설 밀집 지역의 밀도가 두드러졌다. 특히 마곡동, 여의도, 종로구, 잠실역 인근, 문정동과 같은 주요 업무지구는 주간-야간 간 밀도 차가 매우 크게 관찰되어(Fig. 3(c)), 시간대에 따른 재실패턴의 변동성이 큼을 확인하였다. 이상의 관찰에 비추어 볼 때, 본 연구의 재실인구 예측 방법은 서울시의 생활(재실)인구 분포의 일반적 양상과 대체로 합치하는 것으로 판단된다.

    4.2 지진 피해 시뮬레이션

    본 연구에서 제안한 인명피해 예측 방법을 2017년 포항지진 본진(ML 5.4, 진앙 36.11° N, 129.37° E, 진원 깊이 7.0 km)에 적용하여 시뮬레이션을 수행하였고, 결과는 Fig. 4에 제시하였다. Fig. 4(a)는 인명피해 예측에 필요한 건축물 용도별 재실인구 예측 결과를 제시한다. 이를 위해 포항시 소재 89,365동 중 위치･규모･용도 정보를 확보할 수 있는 79,329동의 건축물 대장 자료를 분석에 활용하였다. Fig. 4(b)는 본진 직후 인명피해 예측치와 실제 집계치를 비교한 결과이며, 예측 범위에는 포항시와 광역 영향 지역까지 포함하였다. 비교에 사용한 실제 인명피해 통계는 「2017 포항지진 백서」 의 자료(부상 92명, 사망 0명)이며, 상세 내역은 Table 5에 정리하였다[23]. 지진 발생 시각인 14시 29분에 대한 예측치는 부상 98명, 사망 2명으로 실제 집계와 유사한 수준으로 나타났다. 본 연구의 인명피해 예측 시스템이 산출한 원자료 값은 부상 97.9명, 사망 1.4명이며, 소수점 첫째 자리 올림 규칙을 적용해 표기하였다. 동일한 지진이 야간 시간대(22:00~06:00)에 발생한 경우, 인명피해는 부상 137명, 사망 4명으로 예측되었다.

    Table 6에는 2000년대 이후 국내 내륙에서 발생한 주요 지진의 인명피해 실제 집계와 예측 결과를 비교하여 제시하였다. 사망자의 경우, 경주와 포항 지진의 실제 집계 결과는 각각 0명이었으나, 예측치는 0명과 2명으로 산정되어 예측 시스템이 다소 보수적으로(상향 편향으로) 추정하는 경향을 보였다. 한편 경주 지진에서는 부상자와 일시대피자 예측치가 실제 집계보다 낮게 나타났다. 이는 본진 발생 48분 전의 전진(ML 5.1)과 본진(ML 5.8)의 연속 충격으로 피해가 가중되었음에도, 본 연구의 인명피해 예측 시스템이 단일 사건 기반 평가를 전제로 하여 이러한 다중 이벤트 효과를 충분히 반영하지 못한 데에서 기인한 것으로 판단된다. 오대산 지진(2007)과 부안 지진(2024)의 경우 실제 인명피해는 보고되지 않았으나, 부상자 예측치가 각각 1명으로 산정되었다. 반면 괴산 지진(2022)은 예측치와 실제 집계치가 모두 0명으로 일치하였다.

    각 지진의 인명피해 예측 시 건축물 기본 자료로는 해당 지진 발생 시점의 건축물대장을 사용하는 것이 원칙이다. 다만 본 연구에서는 2025년에 확보한 건축행정시스템(세움터) 건축물대장 자료를 적용하였다. 본 연구의 사례로 선정된 지진 발생 지역들은 대규모 개발이나 멸실･신축이 활발하지 않고, 피해 규모도 비교적 작아 건축물 자료의 시차로 인한 오차가 크게 부각되지 않은 것으로 판단된다. 그럼에도 대규모 피해가 발생한 사건이거나 건축물의 신축･멸실이 빈번한 대도시를 대상으로 할 경우에는, 지진 발생 시점에 최대한 근접한 시기의 건축물대장 자료를 사용･갱신하는 절차가 중요하며, 예측 정확도 제고를 위해 필수적으로 고려되어야 한다.

    인명피해 예측은 지반진동 강도, 건축물 손상 수준, 손상에 따른 인명피해 확률, 건축물별 재실인구 분포 등 여러 단계의 확률적 모형과 불확실성이 누적되어 도출된다. 따라서 예측값이 실제 집계와 정확히 일치하는 상황을 의도적으로 재현하기는 매우 어렵다. 또한 우리나라에서는 충분한 표본 규모로 인명피해가 관측･집계된 지진 사례가 제한적이어서, 실제 피해 자료와의 비교를 통한 예측 신뢰도 평가는 구조적으로 제약을 받는다. 그럼에도 불구하고 주요 지진 사례 분석 결과, 제안한 인명피해 예측 시스템에서 중대한 결함은 확인되지 않았으며, 예측 성능 역시 실무 적용에 부합하는 수준으로 판단된다.

    5. 결 론

    본 연구는 우리나라 지진재해대응시스템의 개선을 위해, 건축물 규모･용도･시간대에 따른 재실인구 변동을 반영한 인명피해 예측 방법을 제시하였다. 이를 위해 건축행정시스템(세움터) 건축물대장과 통계청 국가통계포털(KOSIS)의 인구자료를 결합하고, HAZUS 인명피해 모듈을 참조하여 건물 단위 기본거주인구-시간가변 재실인구를 산정하였다. 제안한 방법을 서울시 전역의 시간대별 재실인구 예측과 국내 내륙 주요 지진 사례의 인명피해 추정에 적용하여, 활용 가능성과 실무적 유용성을 확인하였다. 특히 행정 구역 총량 중심의 기존 체계를 넘어, 빠른 감쇠와 협소한 피해 범위라는 국내 지진 특성에 부합하는 미시적 공간해상도의 예측을 구현했다.

    서울시 전역을 대상으로 한 예시 분석에서, 새벽･야간에는 주거 밀집 지역, 주간에는 업무･상업 밀집 지역에서 재실인구 밀도가 높게 나타나는 등, 관측적 생활 인구의 일반적 양상과 정합적인 결과가 도출되었다. 이러한 시간대별･용도별 재실 패턴의 파악은 지진재해 사전 대비와 사후 현장 대응에서 자원 배분의 우선순위를 설정하는 근거로 활용될 수 있다.

    포항 지진 사례에서 본진 발생 시각(14:29)의 예측치(부상 98명, 사망 2명)는 실제 집계(부상 92명, 사망 0명)와 비교해 소폭의 차이를 보였으나, 이는 대응 측면에서 과소추정을 방지하기 위한 적정 수준의 상향 편향으로 조정된 결과이다. 반면 경주 지진의 경우에는 부상자 및 일시대피자 예측치가 실제 집계보다 낮게 산정되었다. 오대산 지진(2007)과 부안 지진(2024) 처럼 실제 인명피해가 보고되지 않은 사건에서는 부상자 예측치가 1명 수준으로 소폭 상향되는 결과가 도출되었으며, 괴산 지진(2022)은 예측치와 실제 집계치가 모두 0명으로 일치하였다. 전반적으로 중대한 모델 결함은 확인되지 않았고, 제안한 방법은 실무 적용에 적합한 성능 수준을 보였다.

    본 연구는 국내 여건에 적합한 공간정밀･시간민감형 인명피해 예측의 실현 가능성을 제시하였으며, 제안한 절차를 정책･실무에 단계적으로 도입할 경우 구호 자원의 공간･시간 최적화에 기여할 수 있다. 또한 주거･업무지구의 주간-야간 인구 재배치 특성을 고려한 피난･대피 계획, 임시대피소 용량 산정, 중요 시설의 내진 보강 등 사전대책 수립을 위한 실증적 근거를 제공할 수 있다.

    / 감사의 글 /

    본 연구는 행정안전부 국립재난안전연구원의 지원(“GIS 기반 개별시설 피해추정 기법 개발(3/4)”, NDMI-주요-2025-08-03-02)에 의해 수행되 었습니다. 이에 감사드립니다.

    Figure

    EESK-29-6-369_F1.jpg

    Time-of-day changes in total building-occupant population (persons) by building use in selected areas of Seoul

    EESK-29-6-369_F2.jpg

    Nationwide time-of-day changes in total building-occupant population (persons) by building use

    EESK-29-6-369_F3.jpg

    Spatial distribution of the total building-occupant population in Seoul at selected times

    EESK-29-6-369_F4.jpg

    Total building-occupant population (persons) in Pohang and predicted casualties from the 2017 Pohang earthquake (ML 5.4 mainshock)

    Table

    Definitions of casualty severity levels

    Indoor Casualty Rates by Building Type and Damage State (S, M, E, C1, C2); and Collapse Rates by Building Type

    Building-use classification by primary use in the building register

    Default occupancy rates by building use

    Casualties from the 2017 Pohang Earthquake

    Comparison of actual and predicted casualties for recent major earthquakes in Korea

    * Predicted numbers of casualties and evacuees are rounded up to the first decimal placeses.

    Reference

    1. Zhang L, Tao Z, Wang G. Assessment and determination of earthquake casualty gathering area based on building damage state and spatial characteristics analysis. Int J Disaster Risk Reduct. 2022;67:102688.
    2. Garcia-Ayllon S, Tomas A, Rodenas JL. The spatial perspective in post-earthquake evaluation to improve mitigation strategies: Geostatistical analysis of the seismic damage applied to a real case study. Applied Sciences. 2019;9(15):3182.
    3. Wu L, Pan H, Zhang L, et al. Analysis of post-disaster population movement by using mobile spatial statistics. Int J Disaster Risk Reduct. 2021;56:102129.
    4. Levin N, Panek M, Zebker HA, et al. Using night lights from space to assess areas impacted by the 2023 Turkiye–Syria earthquakes. Remote Sens. 2023;15(8):2120.
    5. Yabe T, Jones NKW, Rao PSC, Gonzalez MC, Ukkusuri SV. Mobile phone location data for disasters: A review from natural hazards and epidemics. Computers, Environment and Urban Systems. 2022;94:101777.
    6. Kircher CA, Whitman RV, Holmes WT. HAZUS Earthquake Loss Estimation Methods.Natural Hazards Review. 2006;7(2):45-59.
    7. Schneider PJ, Schauer BA. HAZUS—Its development and its future. Nat Hazards Rev. 2006;7(2):40-44.
    8. Federal Emergency Management Agency (FEMA). Hazus Earthquake Model Technical Manual. Hazus 6.1. Washington (DC): FEMA; c2024.
    9. Yeh CH, Loh CH, Tsai KC. Overview of Taiwan Earthquake Loss Estimation System (TELES). Natural Hazards. 2006;37(1):23-37.
    10. Okayama K. Development of the Disaster Information System (DIS/Earthquakes). UJNR 29th Joint Meeting; Public Works Research Institute (PWRI). Tsukuba: PWRI; c2003. Available from: PWRI proceedings.
    11. Ogawa Y. GIS for Assessing Earthquake Disaster of Tokyo Metropolis. 13th WCEE; c2004.
    12. Jung GH, Lee HJ, Park BC, Kim KH, Study for the Establishment of Earthquake Disaster Information System, NIDP-2003-03; c2003.
    13. Jung GH, Park JY, Kang BH, Development and application of earthquake disater response system of Korea, Earthquake Engineering Society of Korea Workshop; c2009 Sep.
    14. Jung GH, Choi MJ, Establishment of earthquake disaster response system of Korea. Magazine of the Korean Society of Agricultural Engineers. 2011;53(3):35-41.
    15. National Emergency Management Agency (NEMA). Development of Seismic Fragility Functions for Domestic Building Structures; c2009.
    16. National Disaster Management Research Institute (NDMI), Analysis on the Damage Estimation Technology for Earthquake Disaster, NDMI-PR-2013-15; c2013.
    17. Ministry of Public Safery and Security (MPSS), Development of Socio-economic Seismic Loss Prediction Models; c2015.
    18. National Disaster Management Research Institute (NDMI), Development of Disaster Mitigation Technology Based on Vibration Measurement Data(I-3): Development and Improvement of the Earthquake Risk Evaluation System, NDMI-PR-2014-06-02-03; c2014.
    19. National Disaster Management Research Institute (NDMI). Development of Social and Economic Effect Prediction Methodology due to Large Earthquakes; c2021.
    20. National Disaster Management Research Institute (NDMI). Study on Collap se Risk of Building Structures under Seismic Hazard, NDMI-PR-2022-08-01-02; c2022.
    21. Jung GH, Earthquake Response System using GIS, Proceedings of the GIS Association of Korea Fall Conference, 2007;177-183.
    22. Jo ND, Baag CE. Estimation of spectrum decay parameter κ and stochastic prediction of strong ground motions in southeastern Korea. J Earthq Eng Soc Korea. 2003;7(6):59-70.
    23. Yun KH, Park DH, Choi WH, Chang CJ, Lee DS. Development of site-specific ground-motion attenuation relations for nuclear power plant sites and study on their characteristics. In: Proceedings of the 2005 Workshop of the Earthquake Engineering Society of Korea; c2005.
    24. Midorikawa S, Matsuoka M, Sakugawa K. Site effects on strongmotion records observed during the 1987 Chiba-ken Toho-oki earthquake. In: Proceedings of the 9th Japan Earthquake Engineering Symposium; c1994: E085–E090.
    25. Kim B, Hong T-K. A national VS30 model for South Korea combining nationwide dense borehole measurements with ambient seismic noise analysis. Earth Space Sci. 2021;9.
    26. JipyoNuri e-Nara Indicators. Status of primary and secondary education facilities[Internet]. 2025 Oct 15 [cited 2025 Oct 15]. Available from: https://www.index.go.kr/unity/potal/main/EachDtlPageDetail.do?idx_cd=1538
    27. Ministry of the Interior and Safety (MOIS). Pohang Earthquake White Paper. Sejong (Korea); c2018.
    Journal Abbreviation J. Earthq. Eng. Soc. Korea
    Frequency Bimonthly
    Doi Prefix 10.5000/EESK
    Year of Launching 1997
    Publisher Earthquake Engineering Society of Korea
    Indexed/Tracked/Covered By